以下是一个使用Python和OpenCV实现基础图像识别的代码示例，功能包括读取图像、灰度转换、边缘检测和轮廓识别：

代码实现

import cv2
import numpy as np

# 读取图像
image = cv2.imread('input.jpg')

# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 边缘检测（Canny算法）
edges = cv2.Canny(gray_image, threshold1=30, threshold2=100)

# 查找轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
contour_image = cv2.drawContours(image.copy(), contours, -1, (0, 255, 0), 2)

# 显示结果
cv2.imshow('Original', image)
cv2.imshow('Edges', edges)
cv2.imshow('Contours', contour_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

功能说明

• 图像读取：使用cv2.imread()加载本地图像文件
• 灰度转换：彩色图像转换为灰度图像便于后续处理
• 边缘检测：Canny算法检测图像中的边缘特征
• 轮廓识别：查找图像中的连续边缘形成闭合轮廓
• 结果可视化：显示原始图像、边缘检测结果和轮廓绘制效果

扩展建议

• 调整Canny算法的阈值参数可改变边缘检测灵敏度
• 添加cv2.threshold()可实现二值化处理
• 使用cv2.HoughLines()可检测直线特征
• 结合预训练模型可实现更高级的物体识别

注意事项

• 确保已安装OpenCV库（pip install opencv-python）
• 输入图像路径需正确
• 处理高分辨率图像时可能需要调整参数